Artigos sobre como programar e utilizar robôs de negociação na linguagem MQL5

icon

Os experts que os desenvolvedores criam para o MetaTrader realizam uma grande variedade de tarefas. Entre elas estão o monitoramento de muitos instrumentos financeiros 24h por dia, a cópia de operações, a criação e o envio de relatórios, a análise de notícias e até mesmo o acesso dos traders à sua própria interface gráfica personalizada.

Os artigos podem abordar técnicas de programação, ideias matemáticas para processamento de dados, dicas para criar e encomendar robôs de negociação.

Novo artigo
recentes | melhores
preview
Solicitação no Connexus (Parte 6): Criando uma Requisição e Resposta HTTP

Solicitação no Connexus (Parte 6): Criando uma Requisição e Resposta HTTP

Neste sexto artigo da série da biblioteca Connexus, focamos em uma requisição HTTP completa, cobrindo cada componente que compõe uma requisição. Criamos uma classe que representa a requisição como um todo, o que nos ajudou a reunir as classes criadas anteriormente.
preview
Operando opções sem opções (Parte 2): Uso em operações reais

Operando opções sem opções (Parte 2): Uso em operações reais

O artigo aborda estratégias simples com opções e sua implementação em MQL5. Escrevemos um EA básico que será modernizado e gradualmente ampliado.
preview
Redes neurais em trading: decomposição em vez de escalonamento (Conclusão)

Redes neurais em trading: decomposição em vez de escalonamento (Conclusão)

Apresentamos um algoritmo que decompõe séries temporais em camadas semânticas e constrói, a partir delas, um modelo enxuto. Mostramos, passo a passo, a arquitetura, a implementação prática em MQL5/OpenCL e os resultados de testes reais com dados históricos de mercado.
preview
Técnicas do MQL5 Wizard que você deve conhecer (Parte 55): SAC com Prioritized Experience Replay

Técnicas do MQL5 Wizard que você deve conhecer (Parte 55): SAC com Prioritized Experience Replay

Buffers de replay em Aprendizado por Reforço são particularmente importantes com algoritmos off-policy como DQN ou SAC. Isso coloca em destaque o processo de amostragem desse buffer de memória. Enquanto as opções padrão com SAC, por exemplo, utilizam seleção aleatória desse buffer, o Prioritized Experience Replay ajusta esse processo ao realizar amostragem com base em um score TD. Revisamos a importância do Aprendizado por Reforço e, como sempre, examinamos apenas essa hipótese (não a validação cruzada) em um Expert Advisor montado com o wizard.
preview
Redes neurais em trading: decomposição em vez de escalonamento: construção dos módulos

Redes neurais em trading: decomposição em vez de escalonamento: construção dos módulos

Neste artigo, continuamos nossa apresentação prática da SSCNN, uma solução arquitetural de nova geração capaz de trabalhar com séries temporais fragmentadas. Em vez de escalonamento cego, adotamos modularidade inteligente, atenção aos detalhes e normalização seletiva. Passo a passo, criamos blocos computacionais no ambiente MQL5 e estabelecemos a base para uma análise preditiva confiável.
preview
Explorando Técnicas Avançadas de Aprendizado de Máquina na Estratégia de Rompimento da Caixa de Darvas

Explorando Técnicas Avançadas de Aprendizado de Máquina na Estratégia de Rompimento da Caixa de Darvas

A estratégia de rompimento da Caixa de Darvas, criada por Nicolas Darvas, é uma abordagem de negociação técnica que identifica potenciais sinais de compra quando o preço de uma ação sobe acima de um intervalo definido de "caixa", sugerindo forte momentum de alta. Neste artigo, aplicaremos esse conceito de estratégia como exemplo para explorar três técnicas avançadas de aprendizado de máquina. Estas incluem usar um modelo de aprendizado de máquina para gerar sinais em vez de filtrar negociações, empregar sinais contínuos em vez de discretos, e utilizar modelos treinados em diferentes períodos gráficos para confirmar negociações.
preview
Ciência de Dados e ML (Parte 35): NumPy em MQL5 – A Arte de Desenvolver Algoritmos Complexos com Menos Código

Ciência de Dados e ML (Parte 35): NumPy em MQL5 – A Arte de Desenvolver Algoritmos Complexos com Menos Código

A biblioteca NumPy está impulsionando praticamente todos os algoritmos de aprendizado de máquina (machine learning) em sua essência na linguagem de programação Python, neste artigo vamos implementar um módulo semelhante que possui uma coleção de todo o código complexo para nos auxiliar na construção de modelos e algoritmos sofisticados de qualquer tipo.
preview
Do iniciante ao especialista: criação de um EA animado para notícias em MQL5 (VI): estratégia de ordens pendentes para trading baseado em notícias

Do iniciante ao especialista: criação de um EA animado para notícias em MQL5 (VI): estratégia de ordens pendentes para trading baseado em notícias

Neste artigo, vamos nos concentrar na integração da lógica de execução de ordens baseada em notícias, permitindo que o EA atue, e não apenas informe. Acompanhe-nos enquanto examinamos como implementar a execução automática de operações em MQL5 e transformar o EA "Manchetes de notícias" em um sistema de trading totalmente adaptativo. Os EAs oferecem vantagens significativas aos desenvolvedores de sistemas algorítmicos graças ao amplo conjunto de funções às quais dão suporte. Até agora, nos concentramos na criação de uma ferramenta para apresentar notícias e eventos do calendário, equipada com faixas analíticas integradas usando IA e indicadores técnicos.
preview
Redes neurais em trading: sinais de negociação robustos em qualquer regime de mercado (módulos de atenção)

Redes neurais em trading: sinais de negociação robustos em qualquer regime de mercado (módulos de atenção)

Neste artigo, damos continuidade à implementação das abordagens do framework ST-Expert, concentrando-nos nos aspectos práticos de sua aplicação com os recursos do MQL5. Anteriormente, analisamos os fundamentos teóricos e os principais componentes do modelo. Agora, passamos a trabalhar diretamente com os algoritmos de atenção em grafos e de distribuição local e global da atenção. O principal objetivo desta etapa é mostrar como as ideias conceituais do ST-Expert se transformam em soluções funcionais para a análise e a previsão de séries financeiras.
preview
Do iniciante ao especialista: Reporting EA - Configuração do fluxo de trabalho

Do iniciante ao especialista: Reporting EA - Configuração do fluxo de trabalho

As corretoras frequentemente fornecem relatórios de contas de negociação em intervalos regulares, com base em uma programação predefinida. Essas empresas, por meio de suas APIs, têm acesso à atividade da sua conta e ao histórico de negociação, o que permite que elas criem relatórios de desempenho para você. De modo semelhante, o terminal MetaTrader 5 armazena registros detalhados da sua atividade de negociação, que podem ser aproveitados com MQL5 para criar relatórios totalmente personalizáveis e configurar formas de envio personalizadas.
preview
Superando as limitações do aprendizado de máquina (Parte 1): carência de métricas compatíveis

Superando as limitações do aprendizado de máquina (Parte 1): carência de métricas compatíveis

Neste artigo, mostramos que parte dos problemas que enfrentamos está enraizada em seguir cegamente as "melhores práticas". Ao apresentar ao leitor evidências simples, baseadas no mercado real, explicaremos por que devemos evitar esse comportamento e, em vez disso, adotar boas práticas baseadas em domínios específicos, caso nossa comunidade queira ter alguma chance de recuperar o potencial oculto da IA.
preview
Redes neurais em trading: Segmentação periódica adaptativa (Criação de tokens)

Redes neurais em trading: Segmentação periódica adaptativa (Criação de tokens)

Propomos que você embarque em uma jornada fascinante pelo mundo da análise adaptativa de séries temporais financeiras e descubra como transformar uma complexa análise espectral e uma convolução flexível em sinais reais de trading. Você verá como o LightGTS escuta o ritmo do mercado, ajustando-se às suas mudanças por meio de um passo de janela variável, e como a aceleração com OpenCL permite transformar cálculos no caminho mais curto para decisões lucrativas.
preview
Redes neurais em trading: modelo de difusão adaptativa em grafos (módulo de atenção)

Redes neurais em trading: modelo de difusão adaptativa em grafos (módulo de atenção)

Neste artigo, examinaremos em detalhes a implementação prática dos componentes-chave do framework SAGDFN. Mostraremos como são estruturadas a atenção esparsa e a seleção de vizinhos significativos para a previsão de séries temporais. As abordagens apresentadas demonstram um equilíbrio entre a precisão das previsões e a eficiência computacional.
preview
Redes neurais em trading: Desvendando os componentes estruturais da série (SCNN)

Redes neurais em trading: Desvendando os componentes estruturais da série (SCNN)

Vamos conhecer o framework inovador SCNN, que leva a análise de séries temporais a um novo nível ao separar claramente os dados em componentes de longo prazo, sazonais, de curto prazo e residuais. Essa abordagem aumenta significativamente a precisão da previsão, permitindo que o modelo se adapte a uma dinâmica de mercado complexa e em constante mudança.
preview
Redes neurais em trading: Desvendando os componentes estruturais (Encoder)

Redes neurais em trading: Desvendando os componentes estruturais (Encoder)

Propomos dar continuação à implementação do framework SCNN, que combina flexibilidade e interpretabilidade, permitindo isolar com precisão os componentes estruturais da série temporal. O artigo detalha os mecanismos de normalização adaptativa e de atenção, o que confere ao modelo maior robustez diante de condições de mercado em constante mudança.
preview
Redes neurais em trading: Modelo de consultas temporais (Final)

Redes neurais em trading: Modelo de consultas temporais (Final)

Apresentamos a etapa final de implementação e teste do framework TQNet, na qual a teoria se encontra com a prática real de trading. Percorreremos o caminho do treinamento histórico até o teste de estresse em dados recentes de mercado, avaliando a robustez e a precisão do modelo. Os resultados finais não são apenas números frios, mas também uma demonstração clara do valor prático da abordagem proposta.
preview
Redes neurais em trading: uma visão unificada do espaço e do tempo (final)

Redes neurais em trading: uma visão unificada do espaço e do tempo (final)

O framework Extralonger demonstra uma capacidade única de integrar fatores espaciais e temporais em um único modelo, favorecendo previsões de alta precisão. Sua arquitetura permite adaptar-se a diferentes horizontes de previsão e instrumentos financeiros, mantendo a transparência e a capacidade de controle do sistema.
preview
Desenvolvendo uma Estratégia de Pullback: Validação

Desenvolvendo uma Estratégia de Pullback: Validação

A etapa de validação de um pullback avança com inclinação das EMAs, limites mínimo e máximo de distância por ATR, janela flexível do gatilho ATR e Walk-Forward Efficiency. As baterias comparam componentes e medem continuidade fora da amostra, dependência exclusiva da gestão. O resultado destaca plataformas paramétricas e critérios práticos para selecionar candidatos e evitar sobreajuste.
preview
Machine Learning e Data Science (Parte 41): YOLOv8v para detectar padrões nos mercados Forex e de ações

Machine Learning e Data Science (Parte 41): YOLOv8v para detectar padrões nos mercados Forex e de ações

A identificação de padrões gráficos nos mercados financeiros é uma tarefa complexa, pois exige a análise dos dados exibidos no gráfico, algo difícil de realizar em MQL5 devido às limitações relacionadas ao processamento de imagens. Neste artigo, veremos um modelo bastante interessante em Python que permite detectar padrões no gráfico com o mínimo de esforço.
preview
Redes neurais no trading: Integração da teoria do caos à previsão de séries temporais (Conclusão)

Redes neurais no trading: Integração da teoria do caos à previsão de séries temporais (Conclusão)

Continuamos integrando aos modelos de trading os métodos propostos pelos autores do framework Attraos. Vale lembrar que esse framework utiliza conceitos da teoria do caos para resolver tarefas de previsão de séries temporais, interpretando-as como projeções de sistemas dinâmicos caóticos multidimensionais.
preview
Técnicas do Assistente MQL5 que você deve conhecer (Parte 62): Utilizando padrões de ADX e CCI com aprendizado por reforço via TRPO

Técnicas do Assistente MQL5 que você deve conhecer (Parte 62): Utilizando padrões de ADX e CCI com aprendizado por reforço via TRPO

Os osciladores ADX e CCI são indicadores de acompanhamento de tendência e momentum que podem ser combinados no desenvolvimento de um Expert Advisor. Damos continuidade ao ponto em que paramos no último artigo, analisando como o treinamento durante o uso e a atualização do modelo desenvolvido podem ser realizados por meio do aprendizado por reforço. Utilizaremos um algoritmo que ainda não abordamos nesta série, conhecido como Trust Region Policy Optimization (TRPO). E, como sempre, a montagem de Expert Advisors por meio do Assistente MQL5 nos permite preparar nossos modelos para testes de forma muito mais rápida, além de possibilitar sua distribuição e avaliação com diferentes tipos de sinais.
preview
Técnicas do MQL5 Wizard que você deve conhecer (Parte 58): Aprendizado por Reforço (DDPG) com Padrões de Média Móvel e Oscilador Estocástico

Técnicas do MQL5 Wizard que você deve conhecer (Parte 58): Aprendizado por Reforço (DDPG) com Padrões de Média Móvel e Oscilador Estocástico

A Média Móvel e o Oscilador Estocástico são indicadores muito comuns cujos padrões coletivos exploramos no artigo anterior, por meio de uma rede de aprendizado supervisionado, para verificar quais “padrões permaneceriam consistentes”. Levamos nossas análises daquele artigo um passo adiante ao considerar os efeitos que o aprendizado por reforço, quando utilizado com essa rede treinada, teria sobre o desempenho. Os leitores devem observar que nossos testes foram realizados em uma janela de tempo muito limitada. Ainda assim, continuamos a aproveitar os requisitos mínimos de codificação proporcionados pelo MQL5 Wizard para demonstrar isso.
preview
Recursos do Assistente MQL5 que você precisa conhecer (Parte 70): Uso dos padrões SAR e RVI com uma rede neural cujos kernels crescem exponencialmente

Recursos do Assistente MQL5 que você precisa conhecer (Parte 70): Uso dos padrões SAR e RVI com uma rede neural cujos kernels crescem exponencialmente

No artigo anterior, apresentamos uma combinação dos indicadores SAR e RVI. Neste artigo, veremos como aprimorá-la com técnicas de machine learning. Juntos, o SAR e o RVI combinam informações de tendência e momentum. Nossa abordagem utiliza uma rede neural convolucional (convolutional neural network) com um kernel exponencial (Exponential kernel) para definir o tamanho dos kernels e o número de canais da rede, utilizada para aprimorar as previsões baseadas nesses dois indicadores. Como de costume, essa abordagem é implementada em um arquivo personalizado da classe de sinais (signal class), que interage com o Assistente MQL5 para gerar um EA.
preview
Conhecendo a linguagem MQL5 (Parte 18): Introdução ao padrão "Ondas de Wolfe"

Conhecendo a linguagem MQL5 (Parte 18): Introdução ao padrão "Ondas de Wolfe"

Este artigo apresenta em detalhes o padrão de Ondas de Wolfe, tanto em sua versão de baixa quanto na de alta. Também analisa, passo a passo, a lógica utilizada para identificar setups válidos de compra e venda com base nesse padrão gráfico avançado.
preview
Redes neurais em trading: Treinamento de modelos spiking profundos (Integração de spikes)

Redes neurais em trading: Treinamento de modelos spiking profundos (Integração de spikes)

O artigo apresenta uma implementação prática, em MQL5, dos principais componentes do framework SEW-ResNet. O uso de arrays dinâmicos e mecanismos spiking permite construir a arquitetura do modelo de forma flexível e processar séries temporais financeiras com eficiência. As soluções propostas mostram como o SEW-ResNet pode otimizar os cálculos e melhorar a extração de atributos relevantes.
preview
Redes neurais em trading: decomposição em vez de aumento de escala (SSCNN)

Redes neurais em trading: decomposição em vez de aumento de escala (SSCNN)

Neste artigo, iniciamos o estudo do framework SSCNN, uma solução arquitetural moderna para análise de séries temporais que combina precisão, estrutura bem definida e alta eficiência computacional. Examinaremos seus aspectos teóricos de forma sequencial, destacaremos as principais diferenças em relação a seus predecessores e iniciaremos a implementação prática dos componentes básicos no ambiente MQL5.
preview
Machine Learning e Data Science (Parte 39): Testando a combinação de notícias com IA

Machine Learning e Data Science (Parte 39): Testando a combinação de notícias com IA

As notícias exercem uma influência significativa sobre os mercados financeiros, principalmente quando se trata de divulgações importantes, como os dados de emprego no setor não agrícola (Non-Farm Payrolls, NFP). Já vimos várias vezes como uma única manchete pode provocar oscilações bruscas nos preços. Neste artigo, analisaremos em detalhes a combinação entre notícias e os recursos da inteligência artificial.
preview
Técnicas do MQL5 Wizard que você deve saber (Parte 59): Aprendizado por Reforço (DDPG) com Padrões da Média Móvel e do Oscilador Estocástico

Técnicas do MQL5 Wizard que você deve saber (Parte 59): Aprendizado por Reforço (DDPG) com Padrões da Média Móvel e do Oscilador Estocástico

Continuamos nosso último artigo sobre DDPG com indicadores de Média Móvel e Estocástico, examinando outras classes-chave de Aprendizado por Reforço cruciais para a implementação do DDPG. Embora estejamos codificando principalmente em Python, será exportado para o formato ONNX para o MQL5, onde a integraremos como um recurso em um Expert Advisor montado pelo Wizard.
preview
Desenvolvimento do Kit de Ferramentas de Análise de Price Action (Parte 21): Detector de Inversão da Estrutura de Mercado

Desenvolvimento do Kit de Ferramentas de Análise de Price Action (Parte 21): Detector de Inversão da Estrutura de Mercado

O Expert Advisor (EA) Market Structure Flip Detector atua como um parceiro atento, monitorando continuamente as mudanças no sentimento do mercado. Utilizando limites baseados no Average True Range (ATR), ele detecta com eficiência as mudanças na estrutura do mercado e identifica cada higher low (HL) e lower high (LH) com marcadores claros. Graças à rápida execução do MQL5 e à flexibilidade de sua API, essa ferramenta realiza análises em tempo real, ajusta a exibição para proporcionar melhor legibilidade e disponibiliza um painel dinâmico para acompanhar a quantidade de flips e os horários/intervalos dos flips. Além disso, notificações sonoras e push personalizáveis garantem que você seja informado sobre sinais importantes, demonstrando como parâmetros simples e funções auxiliares podem transformar movimentos de preço em estratégias acionáveis.
preview
Automatização de estratégias de negociação em MQL5 (Parte 17): dominando a estratégia de scalping Grid-Mart com painel informativo dinâmico

Automatização de estratégias de negociação em MQL5 (Parte 17): dominando a estratégia de scalping Grid-Mart com painel informativo dinâmico

Neste artigo, analisaremos a estratégia de scalping Grid-Mart, automatizando-a em MQL5 com o auxílio de um painel informativo dinâmico para obter informações sobre a negociação em tempo real. Descrevemos em detalhes a lógica de martingale baseada em grade, bem como as funções de gestão de risco. Também realizamos testes em dados históricos e implantamos a solução para garantir uma operação confiável.
preview
Modelos matemáticos em estratégias de grade

Modelos matemáticos em estratégias de grade

Neste artigo, veremos como aplicar a matemática às estratégias de grade. Analisaremos os princípios básicos de funcionamento da estratégia, suas vantagens e desvantagens. Você aprenderá a construir uma grade de negociação, definir parâmetros ideais e gerenciar os riscos de forma eficiente.
preview
Treinamento de um U-Transformer não linear nos resíduos de um modelo autorregressivo linear

Treinamento de um U-Transformer não linear nos resíduos de um modelo autorregressivo linear

O artigo apresenta um sistema híbrido inovador para previsão de taxas de câmbio, que combina um modelo autorregressivo linear com a arquitetura U-Transformer para análise dos resíduos. O sistema alterna automaticamente entre as fontes de sinais conforme a qualidade de cada uma e inclui uma lógica de negociação completa, com estratégias de averaging/pyramiding. A principal vantagem da abordagem está no fato de a rede neural ser treinada nos resíduos do modelo linear, o que simplifica a tarefa e reduz o risco de sobreajuste. A implementação foi feita integralmente em MQL5 e está pronta para uso em negociação real, com adaptação automática às mudanças nas condições de mercado.
preview
Superando as limitações do aprendizado de máquina (Parte 2): falta de reprodutibilidade

Superando as limitações do aprendizado de máquina (Parte 2): falta de reprodutibilidade

O artigo examina por que os resultados de trading podem variar significativamente entre corretoras, mesmo usando a mesma estratégia e o mesmo símbolo financeiro, devido à precificação descentralizada e às divergências nos dados. Este artigo ajuda os desenvolvedores MQL5 a entender por que seus produtos podem receber avaliações mistas no MQL5 Marketplace e incentiva os desenvolvedores a adaptar suas abordagens a corretoras específicas para garantir resultados transparentes e reproduzíveis. Se amplamente adotada, essa pode se tornar uma prática recomendada importante e bastante especializada, capaz de beneficiar nossa comunidade.
preview
Automatizando Estratégias de Trading em MQL5 (Parte 16): Rompimento da Faixa da Meia-Noite com Break of Structure (BoS) e Price Action

Automatizando Estratégias de Trading em MQL5 (Parte 16): Rompimento da Faixa da Meia-Noite com Break of Structure (BoS) e Price Action

Neste artigo, automatizamos em MQL5 a estratégia de rompimento da faixa da meia-noite com Break of Structure, detalhando o código utilizado para detectar rompimentos e executar operações. Definimos parâmetros precisos de risco para entradas, Stop Loss e Take Profit. Também abordamos o backtesting e a otimização da estratégia para sua aplicação prática no trading.
preview
Recursos do Assistente MQL5 que você precisa conhecer (Parte 67): Uso dos padrões do TRIX e da Faixa Percentual de Williams

Recursos do Assistente MQL5 que você precisa conhecer (Parte 67): Uso dos padrões do TRIX e da Faixa Percentual de Williams

O Oscilador de Média Móvel Exponencial Tripla (Triple Exponential Moving Average Oscillator, TRIX) e o oscilador Faixa Percentual de Williams (Williams Percentage Range Oscillator) formam mais um par de indicadores que pode ser utilizado em conjunto em um EA MQL5. Assim como os pares analisados recentemente, esses dois indicadores se complementam: o TRIX identifica a tendência, enquanto a Faixa Percentual de Williams confirma os níveis de suporte e resistência. Como sempre, utilizamos o Assistente MQL5 para avaliar o potencial desses indicadores.
preview
Técnicas do MQL5 Wizard que você deve conhecer (Parte 61): Uso de padrões do ADX e CCI com aprendizado supervisionado

Técnicas do MQL5 Wizard que você deve conhecer (Parte 61): Uso de padrões do ADX e CCI com aprendizado supervisionado

Os osciladores ADX e CCI são indicadores de acompanhamento de tendência e momentum que podem ser combinados no desenvolvimento de um Expert Advisor. Veremos como essa abordagem pode ser sistematizada utilizando os três principais métodos de treinamento de Machine Learning. Os Expert Advisors montados com o MQL5 Wizard nos permitem avaliar os padrões apresentados por esses dois indicadores, e começaremos analisando como o aprendizado supervisionado pode ser aplicado a esses padrões.
preview
Redes neurais em trading: treinamento de metaparâmetros com base na heterogeneidade (Final)

Redes neurais em trading: treinamento de metaparâmetros com base na heterogeneidade (Final)

O artigo descreve a implementação prática do framework HimNet em MQL5, já pronta para integração ao trading automatizado. Mostramos como metaparâmetros adaptados à heterogeneidade transformam o modelo em uma ferramenta universal, capaz de lidar com volatilidade instável.
preview
Redes neurais em trading: Dos transformers aos neurônios spiking (Componentes principais)

Redes neurais em trading: Dos transformers aos neurônios spiking (Componentes principais)

Apresentamos ao leitor uma implementação das abordagens do framework SpikingBrain com base em atenção linear recorrente com gates, analisada em detalhes neste artigo. Os algoritmos de propagação para frente, propagação dos gradientes e atualização dos pesos proporcionam um processamento eficiente de séries temporais financeiras e permitem colocar em prática as principais ideias do framework.
preview
Recursos do Assistente MQL5 que você precisa conhecer (Parte 64): Uso de padrões dos canais DeMarker e Envelopes com kernel de ruído branco

Recursos do Assistente MQL5 que você precisa conhecer (Parte 64): Uso de padrões dos canais DeMarker e Envelopes com kernel de ruído branco

O oscilador DeMarker (DeMarker Oscillator) e o Envelopes são ferramentas que identificam o momentum e os níveis de suporte/resistência e podem ser combinadas no desenvolvimento de um EA. No artigo anterior, apresentamos esses dois indicadores. Agora, acrescentaremos machine learning a essa combinação. Utilizamos uma rede neural recorrente que aplica um kernel de ruído branco (white-noise kernel) para processar os sinais vetorizados desses dois indicadores. Essa lógica é implementada em um arquivo personalizado da classe de sinais (signal class), que interage com o Assistente MQL5 para criar o EA.
preview
Redes neurais em trading: treinamento de metaparâmetros com base na heterogeneidade (Componentes principais)

Redes neurais em trading: treinamento de metaparâmetros com base na heterogeneidade (Componentes principais)

Neste artigo, analisamos em detalhes os algoritmos de implementação dos principais componentes do framework HimNet. Mostramos como é possível alcançar alta consistência e capacidade de controle sobre todo o sistema com um número mínimo de componentes treináveis. A implementação apresentada se destaca pela estrutura compacta e transparente, o que facilita sua adaptação a tarefas reais de mercado.